時間序列分析基本特征有哪些內容?

1.時間序列分析法是根據過去的變化趨勢預測未來的發展,它的前提是假定事物的過去延續到未來。

時間序列分析,正是根據客觀事物發展的連續規律,運用過去的歷史數據,通過統計分析,進一步推測未來的發展趨勢。事物的過去會延續到未來這個假設前提包含兩層含義:一是不會發生突然的跳躍變化,是以相對小的步伐前進;二是過去和當前的現象可能表明現在和將來活動的發展變化趨向。這就決定了在一般情況下,時間序列分析法對于短、期預測比較顯著,但如延伸到更遠的將來,就會出現很大的局限,導致預測值偏離實際較大而使決策失誤。

2.時間序列數據變動存在著規律與不規律

時間序列中的每個觀察值大小,是影響變化的各種不同因素在同一時刻發生作用的綜合結果。從這些影響因素發生作用的大小和方向變化的時間特來看,這些因素造成的時間序列數據的變動分為四種類型。

(1)趨勢:某個變量隨著時間進展或自變量變化,呈現一種比較緩慢而長期的持續上升、下降、停留的同質變動趨向,但變動幅度可能不相等。

(2)周期:某因素由于外部影響隨著自然季節的交替出現高峰與低谷的規律。

(3)隨機個別為隨機變動,整體呈統計規律。

(4)綜合:實際變化情況是幾種變動的疊加或組合。預測時設法過濾除去不規則變動,突出反映趨勢和周期變動。

時間序列預測法的分類有什么?

時間序列預測法可用于短期預測、中期預測和長期預測。根據對資料分析方法的不同，又可分為：簡單序時均數法、加權序時均數法、移動均法、加權移動均法、趨勢預測法、指數滑法、季節趨勢預測法、市場壽命周期預測法等。

簡單序時均數法也稱算術均法。即把若干歷史時期的統計數值作為觀察值，求出算術均數作為下期預測值。這種方法基于下列假設：“過去這樣，今后也將這樣”，把期和遠期數據等同化和均化，因此只能適用于事物變化不大的趨勢預測。如果事物呈現某種上升或下降的趨勢，就不宜采用此法。

加權序時均數法就是把各個時期的歷史數據按期和遠期影響程度進行加權，求出均值，作為下期預測值。

簡單移動均法就是相繼移動計算若干時期的算術均數作為下期預測值。

加權移動均法即將簡單移動均數進行加權計算。在確定權數時，觀察值的權數應該大些，遠期觀察值的權數應該小些。

上述幾種方法雖然簡便，能迅速求出預測值，但由于沒有考慮整個社會經濟發展的新動向和其他因素的影響，所以準確較差。應根據新的情況，對預測結果作必要的修正。

指數滑法即根據歷史資料的上期實際數和預測值，用指數加權的辦法進行預測。此法實質是由內加權移動均法演變而來的一種方法，優點是只要有上期實際數和上期預測值，就可計算下期的預測值，這樣可以節省很多數據和處理數據的時間，減少數據的存儲量，方法簡便。是國外廣泛使用的一種短期預測方法。

季節趨勢預測法根據經濟事物每年重復出現的周期季節變動指數，預測其季節變動趨勢。推算季節指數可采用不同的方法，常用的方法有季(月)別均法和移動均法兩種：a.季(月)別均法。就是把各年度的數值分季(或月)加以均，除以各年季(或月)的總均數，得出各季(月)指數。這種方法可以用來分析生產、銷售、原材料儲備、預計資金周轉需要量等方面的經濟事物的季變動;b.移動均法。即應用移動均數計算比例求典型季節指數。

市場壽命周期預測法就是對產品市場壽命周期的分析研究。例如對處于成長期的產品預測其銷售量，最常用的一種方法就是根據統計資料，按時間序列畫成曲線圖，再將曲線外延，即得到未來銷售發展趨勢。最簡單的外延方法是直線外延法，適用于對耐用消費品的預測。這種方法簡單、直觀、易于掌握。